Einen Entscheidungsbaum fitten
Jetzt versuchst du, ein Entscheidungsbaum-Modell zu bauen. Ein Entscheidungsbaum ist eine Liste von per Machine Learning gelernten If-Else-Regeln, die im Fall des Telecom-Churns entscheiden, ob Kundinnen und Kunden abspringen oder nicht. Hier ist ein Beispiel-Graph eines Entscheidungsbaums, der auf dem bekannten Titanic-Überlebensdatensatz basiert.
train_X, test_X, train_Y, test_Y aus der vorherigen Übung wurden für dich geladen. Außerdem wurden das Modul tree und die Funktion accuracy_score aus der sklearn-Bibliothek importiert. Du baust jetzt dein Modell und prüfst seine Leistung auf ungesehenen Daten.
Diese Übung ist Teil des Kurses
Machine Learning für Marketing mit Python
Anleitung zur Übung
- Initialisiere das Entscheidungsbaum-Modell mit
max_depthauf 5. - Fitte das Modell auf die Trainingsdaten, zuerst
train_X, danntrain_Y. - Sage Werte für die Testdaten voraus, in diesem Fall
test_X. - Miss die Leistung deines Modells auf den Testdaten, indem du die tatsächlichen Testlabels mit den vorhergesagten vergleichst.
Interaktive Übung
Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.
# Initialize the model with max_depth set at 5
mytree = tree.___(max_depth = ___)
# Fit the model on the training data
treemodel = mytree.___(___, ___)
# Predict values on the testing data
pred_Y = treemodel.___(___)
# Measure model performance on testing data
accuracy_score(___, ___)